Page 435 - 《软件学报》2026年第5期
P. 435
2314 软件学报 2026 年第 37 卷第 5 期
差生成子网络, 旨在同时生成残差图和高频差异特征图, 这一策略不仅显著减少了模型参数量和复杂度, 而且两个
任务相辅相成, 实现了更好的效果.
高频差异与图像残差生成子网络 模糊感知指导的细节恢复子网络
模糊图 清晰图
PSNR
损失
+
傅里叶
损失
高频特征提取 最终恢复图
− PSNR 损失
L1
损失
模糊图 残差图 生成的高频差异特征图 高频差异特征图 初步恢复图 模糊感知特征图
高频差异引导的
模糊感知模块
图 4 整体网络架构
(a) 模糊图像 (b) 模糊图像提取的高频特征 (c) 清晰图像
(d) 清晰图像提取的高频特征 (e) 两个高频特征之差
图 5 高频差异对比图
如图 4 所示, HDIRG 子网络中的编码器-解码器通过堆叠多个编码层和解码层来提取图像特征. 首先, 对输入
I b ∈ R H×W×3 F q ∈ R H×W×C , 公式如下:
的模糊图像 提取浅层特征
F q = FE(I b ) (1)
其中, H×W 代表特征大小, C 表示特征维度, 浅层特征提取层 FE(·) 包含一个 5×5 卷积网络和一个残差块. 随后,
F q 输入至编码器.
将
编码器部分由 4 个相同的编码层堆叠而成, 用来捕获多尺度特征. 每个编码层之间进行下采样操作, 将提取的
图像特征映射为原本空间大小的一半, 并将其通道增加一倍. 上述编码过程可用如下公式表示:
F e = E(F q ) (2)
其中, E(·) 表示编码器, F e 表示编码器提取的特征.
为了逐步恢复高分辨率的特征表示, 在解码器部分使用与编码器对应的特征提取模块. 每个尺度的解码层之
间进行上采样操作, 将图像特征的尺寸大小增加一倍, 通道数量减半. 上述解码过程可用如下公式表示:
F d = D(F e ) (3)
